[发明专利]一种故障预测方法及装置

说明书

本申请实施例公开了一种故障预测方法及装置，其中该方法包括：获取API网关系统产生的流水日志；从所述流水日志中提取目标信息；通过目标隐变量模型，根据所述目标信息预测所述API网关系统中的故障原因；所述目标隐变量模型是基于所述API网关系统的历史流水日志构建的贝叶斯网络。该方法能够在脱离人为操作，智能快速地预测API网关系统中的故障原因。

技术领域

本申请涉及互联网技术领域，具体涉及一种故障预测方法及装置。

背景技术

在微服务架构中，API网关系统可以通过统一接入、协议适配、流量管理与容错、安全防护等核心功能，为处在不同局域网、基于不同协议的系统提供的应用程序编程接口(Application Programming Interface，API)调用服务。

目前，当根据API网关系统的流水日志监测到发生故障时，通常会发出报警信息，相关技术人员接收到报警信息后，可以基于API网关系统的流水日志人工定位故障原因。然而，API网关系统为了实现不同网络环境中各系统之间的互联，所对接的系统通常较多，所处的网络环境也较为复杂，在复杂的网络环境下，相关技术人员往往难以快速地定位故障原因，故障排查效率较低。

发明内容

本申请实施例提供了一种故障预测方法及装置，能够在脱离人为操作，智能快速地预测API网关系统中的故障原因。

有鉴于此，本申请第一方面提供了种故障预测方法，所述方法包括：

获取API网关系统产生的流水日志；

从所述流水日志中提取目标信息；

通过目标隐变量模型，根据所述目标信息预测所述API网关系统中的故障原因；所述目标隐变量模型是基于所述API网关系统的历史流水日志构建的贝叶斯网络。

可选的，通过以下方式确定所述目标隐变量模型：

获取所述API网关系统的历史流水日志；

从所述历史流水日志中提取历史目标信息；

基于所述历史目标信息，通过爬山算法和结构EM算法构建所述目标隐变量模型。

可选的，在所述基于所述历史目标信息，通过爬山算法和结构EM算法构建所述目标隐变量模型之前，所述方法还包括：

按照预设规则对所述历史目标信息进行结构化处理；

则所述基于所述历史目标信息，通过爬山算法和结构EM算法构建所述目标隐变量模型，包括：

基于结构化处理后的所述历史目标信息，通过爬山算法和结构EM算法构建所述目标隐变量模型。

可选的，所述目标隐变量模型是定期更新的，通过以下方式更新所述目标隐变量模型：

获取目标周期内所述API网关系统产生的周期流水日志；

从所述周期流水日志中提取周期目标信息；

基于所述周期目标信息，通过爬山算法和结构EM算法对上一目标周期构建的所述目标隐变量模型进行更新。

可选的，在所述通过目标隐变量模型，根据所述目标信息预测所述API网关系统中的故障原因之后，所述方法还包括：

根据所述API网关系统中的故障原因，确定所述API网关系统的运行状态。

可选的，在所述通过目标隐变量模型，根据所述目标信息预测所述API网关系统中的故障原因之后，所述方法还包括：

根据所述API网关系统中的故障原因，生成提醒消息；

发送所述提醒消息至面向技术人员的客户端。